- 作 者：刘载文著
- 出 版 社：北京：中国轻工业出版社
- 出版年份：2013
- ISBN：9787501991594
- 标注页数：182 页
- PDF页数：193 页
请阅读订购服务说明与试读!
订购服务说明
1、本站所有的书默认都是PDF格式，该格式图书只能阅读和打印，不能再次编辑。
2、除分上下册或者多册的情况下，一般PDF页数一定要大于标注页数才建议下单购买。【本资源193 ≥182页】
图书下载及付费说明
1、所有的电子图书为PDF格式，支持电脑、手机、平板等各类电子设备阅读；可以任意拷贝文件到不同的阅读设备里进行阅读。
2、电子图书在提交订单后一般半小时内处理完成,最晚48小时内处理完成。(非工作日购买会延迟)
3、所有的电子图书都是原书直接扫描方式制作而成。
第1章 绪论 1
1.1水环境系统在线测量与控制存在的问题 1
1.1.1流程工业生产过程在线测量存在的问题 1
1.1.2污水处理过程在线测量与控制存在的问题 2
1.2水环境系统软测量与控制的研究现状 6
1.2.1软测量的基本思想 6
1.2.2软测量建模理论与方法的研究 7
1.2.3污水处理过程数学模型与软测量的研究 13
1.2.4污水处理过程控制方法的研究 17
1.2.5水华预测方法的研究 21
1.3研究目的和意义 23
1.3.1理论研究与学术价值 23
1.3.2研究的实际意义与应用前景 25
1.4本书研究的主要内容 27
1.4.1研究的主要内容 27
1.4.2本书结构 29
第2章 水环境系统软测量原理 31
2.1软测量的基本内容 31
2.2软测量的原理及模型 32
2.2.1软测量的基本原理 32
2.2.2二次变量的选择 34
2.2.3测量数据的预处理 35
2.2.4软测量模型的建立 36
2.3软测量的实现 39
2.4本章小结 41
第3章 基于PNN的污水处理软测量方法研究 42
3.1过程神经元网络（PNN） 42
3.1.1过程神经元 43
3.1.2过程神经元网络模型 44
3.2基于PNN的软测量方法及改进算法 45
3.2.1基于函数正交基的PNN学习算法 45
3.2.2基于函数正交基展开的PNN改进算法 47
3.3基于PNN的污水处理过程软测量 52
3.3.1软测量模型变量的选取 52
3.3.2软测量结构模型 56
3.3.3实验数据及软测量结果 57
3.4本章小结 62
第4章 基于RBF神经网络的水处理过程建模方法 64
4.1 RBF神经网络 64
4.1.1 RBF函数及RBF神经元 64
4.1.2 RBF网络的特点、映射机理 67
4.1.3 RBF神经网络的学习算法 69
4.2水处理优化控制数学模型的RBF神经网络建模方法 73
4.2.1污水处理优化控制的目标 73
4.2.2 RBF神经网络数学建模 74
4.3 RBF神经网络模型的训练和测试 75
4.3.1神经网络样本数据的采集及处理 75
4.3.2神经网络模型仿真及测试 76
4.4本章小结 81
第5章 基于遗传算法的优化控制方法及实现 83
5.1遗传算法理论及发展 83
5.1.1遗传算法的发展 83
5.1.2遗传算法研究的几个问题 84
5.1.3遗传算法的基本特点 88
5.1.4遗传算法在控制领域中的应用 90
5.2基于遗传算法的污水处理过程优化设计方法 92
5.2.1参数的编码 93
5.2.2初始种群的生成 95
5.2.3适应度函数（fitness function）的设计 95
5.2.4算法控制参数设定 96
5.2.5遗传操作的设计 97
5.2.6算法的终止条件 102
5.3污水处理过程优化控制的遗传算法实现 103
5.3.1遗传算法求DO优化曲线 103
5.3.2优化结果分析 108
5.4优化控制的实现 113
5.4.1污水处理计算机控制系统 113
5.4.2神经网络建模与优化计算实现 116
5.4.3 DO模糊控制及优化效果 117
5.5本章小结 122
第6章 基于神经网络的水华预测方法 123
6.1水华及其预测方法 123
6.1.1水华发生的机理 123
6.1.2水华的评价指标 124
6.1.3水华预测方法及其现状 127
6.2基于BP神经网络的软测量及水华短期预测方法 128
6.2.1软测量模型的参数确定及数据预处理 129
6.2.2软测量模型的建立与仿真分析 134
6.3基于RBF神经网络的软测量及水华短期预测方法 139
6.3.1 RBF软测量模型的建立 140
6.3.2径向基函数宽度与网络拟合能力分析 141
6.3.3径向基函数宽度与网络泛化性能分析 144
6.4 RBF与BP网络水华预测软测量模型的比较 148
6.5基于Elman神经网络的水华短期预测方法 149
6.5.1 Elman神经元模型和网络结构 149
6.5.2 Elman与BP、RBF网络预测模型对比 151
6.5.3基于Elman神经网络的水华短期预测模型建立与仿真 154
6.6本章小结 158
第7章 工作总结与展望 160
7.1本书工作总结 160
7.1.1本书完成的主要研究内容 160
7.1.2研究工作的主要特点 163
7.2今后工作展望 164
参考文献 166